# Server Management

> 服务器管理原则与决策方法。涵盖进程管理、监控策略与扩缩容判断。强调思维方式，而非死记命令。

- Skill: `misonl/server-management` (Agent Skill)
- Install (CLI): `npx skillmds@latest add misonl/server-management`
- Raw SKILL.md: https://api.skillmd.com/api/skills/misonl/server-management/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: misonl (https://skillmd.com/u/misonl)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/misonl/server-management

---


# 服务器管理

> 面向生产运维的服务器管理原则。  
> **学习如何思考，不是背命令。**

---

## 1. 进程管理原则

### 工具选型

| 场景 | 工具 |
|------|------|
| **Node.js 应用** | PM2（集群 clustering、重载 reload） |
| **任意应用** | systemd（Linux 原生） |
| **容器** | Docker/Podman |
| **编排** | Kubernetes, Docker Swarm |

### 进程管理目标

| 目标 | 含义 |
|------|------|
| **崩溃后重启（Restart on crash）** | 自动恢复（Auto-recovery） |
| **零停机重载（Zero-downtime reload）** | 服务不中断 |
| **集群（Clustering）** | 用满 CPU 多核 |
| **持久化（Persistence）** | 服务器重启后仍可恢复 |

---

## 2. 监控原则

### 监控什么

| 类别 | 关键指标 |
|------|----------|
| **可用性（Availability）** | 在线率（Uptime）、健康检查 |
| **性能（Performance）** | 响应时间、吞吐量 |
| **错误（Errors）** | 错误率、错误类型 |
| **资源（Resources）** | CPU、内存、磁盘 |

### 告警分级策略

| 级别 | 响应 |
|------|------|
| **Critical（严重）** | 立即处理 |
| **Warning（警告）** | 尽快排查 |
| **Info（信息）** | 每日审查 |

### 监控工具选择

| 需求 | 可选工具 |
|------|----------|
| 简单/免费 | PM2 metrics, htop |
| 全链路可观测 | Grafana, Datadog |
| 错误追踪 | Sentry |
| 在线率监控 | UptimeRobot, Pingdom |

---

## 3. 日志管理原则

### 日志策略

| 日志类型 | 用途 |
|----------|------|
| **应用日志（Application logs）** | 调试、审计 |
| **访问日志（Access logs）** | 流量分析 |
| **错误日志（Error logs）** | 问题发现 |

### 日志原则

1. 进行 **日志轮转（Rotate logs）**，避免磁盘打满
2. 使用 **结构化日志（Structured logging）**（如 JSON）便于解析
3. 合理划分日志级别（error/warn/info/debug）
4. 日志中不得出现敏感数据

---

## 4. 扩缩容决策

### 何时扩缩容

| 症状 | 应对 |
|------|------|
| CPU 持续高负载 | 增加实例（水平扩展 horizontal） |
| 内存持续高占用 | 增加 RAM 或修复内存泄漏 |
| 响应变慢 | 先做性能分析（Profile）再扩容 |
| 流量突增 | 自动扩缩容（Auto-scaling） |

### 扩缩容策略

| 类型 | 适用场景 |
|------|----------|
| **垂直扩展（Vertical）** | 快速止血、单实例场景 |
| **水平扩展（Horizontal）** | 长期可持续、分布式场景 |
| **自动扩缩容（Auto）** | 流量波动明显 |

---

## 5. 健康检查原则

### 健康状态判定

| 检查项 | 含义 |
|--------|------|
| **HTTP 200** | 服务可响应 |
| **数据库已连接** | 数据可访问 |
| **依赖可用** | 外部服务可达 |
| **资源正常** | CPU/内存未耗尽 |

### 健康检查实现方式

- 简单模式：仅返回 200
- 深度模式：检查所有关键依赖
- 按负载均衡器（Load Balancer）的接入需求选择

---

## 6. 安全原则

| 领域 | 原则 |
|------|------|
| **访问控制（Access）** | 仅用 SSH key，禁用口令登录 |
| **防火墙（Firewall）** | 只开放必要端口 |
| **更新（Updates）** | 定期打安全补丁 |
| **密钥管理（Secrets）** | 放环境变量，不落地文件 |
| **审计（Audit）** | 记录访问与变更 |

---

## 7. 故障排查优先级

当系统异常时按顺序排查：

1. **先看是否在运行**（进程状态）
2. **再看日志**（错误信息）
3. **检查资源**（磁盘、内存、CPU）
4. **检查网络**（端口、DNS）
5. **检查依赖**（数据库、外部 API）

---

## 8. 反模式

| [FAIL]  不要这样做 | [OK]  推荐做法 |
|--------------|-----------|
| 以 root 身份直接运行服务 | 使用非 root 账号运行 |
| 忽略日志管理 | 配置日志轮转 |
| 不做监控 | 从第一天就接入监控 |
| 手工重启服务 | 配置自动重启 |
| 没有备份策略 | 制定并执行定期备份 |

---

> **牢记：** 管得好的服务器应当“平平无奇”。这正是目标。